日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ヒューマノイドデザインarXiv:2607.13060

ヒューマノイドロボット設計における不気味の谷のベイズ的枠組み

A Bayesian framework for the uncanny valley in humanoid robot design

シェア:XThreadsFacebookLINEはてブBluesky

ロボットの親和性を数理モデル化する階層ベイズ生成モデルを提案し、カテゴリ曖昧性や感覚間不一致が親和性低下を引き起こす仕組みをシミュレーションと人間実験で検証した。

詳しい要約

1. どんなもの?

本論文は、ヒューマノイドロボットのデザインにおける不気味の谷現象を、階層ベイズ生成モデルを用いて定式化する枠組みを提案している。従来の経験則を数学的な設計変数として表現し、親和性をカテゴリ条件付き驚きの事後重み付き負値としてモデル化する。

2. 先行研究と比べてどこがすごい?

従来の不気味の谷に関するガイドラインは、ロボットらしい外観の採用や過度なリアリズムの回避など、定性的でアルゴリズム設計に直接用いることが難しかった。本提案は、これらのヒューリスティックを操作可能な変数として定式化し、計算論的な評価・最適化を可能にする点が新しい。

3. 技術・手法の肝は?

手法の核は、親和性をカテゴリ条件付き驚きの負値として定義する階層ベイズ生成モデルである。不気味の谷のメカニズムを、予測されたロボットカテゴリ平均からの逸脱、モダリティ間の人間らしさの不一致、予測不確実性、観測不確実性の4変数にマッピングする。

4. どうやって有効だと検証した?

シミュレーションにより、カテゴリの曖昧さと外観-動作の不一致が親和性の低下を引き起こし、不確実性が谷の形状を変えることを示した。さらに、ロボット-人間モーフィング画像を用いた被験者実験で、予測不確実性をぼかした先行ロボット刺激で、観測不確実性をぼかした評価刺激で操作し、観測不確実性の増加が中間の人間らしさでの親和性低下を減衰させ、低予測不確実性がロボットらしい外観の評価を向上させることを確認した。

5. 議論はある?

要旨からは、提案モデルの限界や他の解釈についての議論は不明。ただし、モデルが不気味の谷の経験則を計算基盤に変換する一方で、実際の設計への適用可能性や、より複雑な実ロボットへの一般化についてはさらなる検討が必要と考えられる。

6. 次に読むべき論文は?

要旨で参照されている研究は明示されていないが、不気味の谷現象の古典的研究(Moriの原著)や、ヒューマノイドロボットの外観評価に関する研究、ベイズモデルを用いた知覚研究などが関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Shimon Honda, Rin Shibano, Hideyoshi Yanagisawa

分類: cs.RO

原文アブストラクト

The uncanny valley is a long-standing empirical rule in humanoid robot design: making robots more human-like can reduce, rather than increase, affinity. Yet existing guidelines, such as adopting robot-like appearances, avoiding excessive realism, and reducing cross-modal mismatches, remain difficult to use for algorithmic design because they are not expressed as manipulable variables. Here, we propose a hierarchical Bayesian generative model that operationalizes these guidelines as mathematical design variables. The model represents affinity toward humanoid robots as posterior-weighted negative category-conditional surprise and explains category ambiguity and perceptual mismatch as increases in surprise. It maps uncanny-valley mechanisms onto four variables: deviation from the predicted robot-category mean, inconsistency in human likeness across modalities, prediction uncertainty, and observational uncertainty. Simulations showed that category ambiguity and appearance--motion mismatch can produce affinity reductions, and that uncertainty reshapes the valley. In a human-subject experiment with robot--human morphing images, we manipulated prediction uncertainty using blurred prior robot stimuli and observational uncertainty using blurred evaluation stimuli. Increased observational uncertainty attenuated the decrease in familiarity ratings at intermediate human likeness, whereas low prediction uncertainty increased ratings for robot-like appearances. This framework turns empirical uncanny-valley heuristics into a computational basis for algorithmically evaluating and optimizing humanoid robot appearance and behavior.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI